TensorFlow中如何从维度为[n,k,d]的张量生成自定义对象列表

错误原因分析 #

• OperatorNotAllowedInGraphError报错：代码运行在TensorFlow图执行模式（通常是被@tf.function修饰的函数内部），图模式不支持Python原生迭代语法遍历Tensor，列表推导属于Python原生迭代操作，因此被AutoGraph拦截报错。
• ValueError报错：tf.map_fn仅支持返回可转换为Tensor类型的映射函数，自定义类Myobject的实例无法被转换为Tensor，因此触发报错；构造函数中拿到的x维度为[None, d]是图模式下的动态形状推断特性，第一维为动态批次维度，因此显示为None。

正确实现方案 #

场景1：代码运行在eager执行模式（无@tf.function修饰的普通Python上下文） #

使用tf.unstack将输入张量按第一维拆分，再遍历生成实例即可：

# 将shape为[n, k, d]的X沿第0维拆分为n个shape为[k, d]的子张量
sub_tensors = tf.unstack(X, axis=0)
# 若Myobject构造函数要求输入为numpy数组，可将x替换为x.numpy()
listofobject = [Myobject(x) for x in sub_tensors]

场景2：必须在@tf.function修饰的图模式函数内处理 #

TensorFlow图模式核心为张量运算，无法兼容任意Python自定义对象的生成逻辑，建议调整逻辑：

1. 先在图内完成所有张量运算逻辑，输出处理后的子张量集合
2. 在图外的eager模式下，遍历子张量生成Myobject实例列表
   若必须在图内实现Myobject相关功能，需将Myobject的所有逻辑改造为纯张量运算实现，取消Python类封装。

内容的提问来源于stack exchange，提问作者jajamaharaja